[发明专利]一种多项目式多目标集中采购决策优化方法及系统

权利要求书

1.一种多项目式多目标集中采购决策优化方法，其特征在于，包括：

步骤S1：针对多工厂、多项目、多供应商、多期的实际采购情景，考虑采购成本、质量缺陷数量以及延迟交货数量，并分别构建目标函数；

步骤S2：根据项目需求量随机性以及供应商客观存在的各类约束，提供不同的阶梯价格折扣；

步骤S3：根据已构建的目标函数与约束条件，建立多阶段混合整数随机规划模型M1，将模型M1改写为情景树模型M2；

步骤S4：对模型的约束条件进行处理，将约束条件转化为目标函数，获得利于求解的决策优化模型M3；

步骤S5：生成多期的情景树，利用所生成的情景树模拟动态的采购情景，将随机规划问题转变为确定性规划问题；

步骤S6：针对已进行过约束处理与情景树生成的采购决策优化模型，进行求解，获得采购决策方案集。

2.根据权利要求1所述的多项目式多目标集中采购决策优化方法，其特征在于，所述步骤S1中每个项目都属于特定的工厂，且每个项目只能选择一个供应商，每个供应商提供给每个工厂不同的采购单价、质量和交付。

3.根据权利要求1所述的多项目式多目标集中采购决策优化方法，其特征在于，所述步骤S2中，供应商根据总的采购量提供不同的阶梯价格折扣，且在不断供的条件下，会提供持续价格年降，项目每年的需求量都会发生变化，且由于项目的生命周期，每年都会有新的项目进入与老的项目退出。

4.根据权利要求1所述的多项目式多目标集中采购决策优化方法，其特征在于，所述步骤S3中运用概率情景树I的方法将模型M1改写为情景树模型M2。

5.根据权利要求1所述的多项目式多目标集中采购决策优化方法，其特征在于，所述步骤S4中，运用罚函数方法F(x,σ)＝f(x)+σP(x)对模型的约束进行有效处理，其中F(x,σ)为转化后的广义目标函数，f(x)为初始目标函数，P(x)为包含有约束条件的惩罚项，σ为惩罚因子。

6.根据权利要求1所述的多项目式多目标集中采购决策优化方法，其特征在于，所述步骤S5中，运用最大相似度的方法进行模型情景树的生成，以模拟实际中动态复杂的采购情景。

7.根据权利要求1所述的多项目式多目标集中采购决策优化方法，其特征在于，所述步骤S6中，采用改进的混沌优化算法进行求解，获得一系列的采购决策方案集。

8.一种多项目式多目标集中采购决策优化系统，其特征在于，包括：

构建模块：针对多工厂、多项目、多供应商、多期的实际采购情景，考虑采购成本、质量缺陷数量以及延迟交货数量，并分别构建目标函数；

约束模块：根据项目需求量随机性以及供应商客观存在的各类约束，提供不同的阶梯价格折扣；

改写模块：根据已构建的目标函数与约束条件，建立多阶段混合整数随机规划模型M1，将模型M1改写为情景树模型M2；

转化模块：对模型的约束条件进行处理，将约束条件转化为目标函数，获得利于求解的决策优化模型M3；

生成模块：生成多期的情景树，利用所生成的情景树模拟动态的采购情景，将随机规划问题转变为确定性规划问题；

求解模块：针对已进行过约束处理与情景树生成的采购决策优化模型，进行求解，获得采购决策方案集。

9.根据权利要求8所述的多项目式多目标集中采购决策优化系统，其特征在于，所述构建模块中每个项目都属于特定的工厂，且每个项目只能选择一个供应商，每个供应商提供给每个工厂不同的采购单价、质量和交付。

10.根据权利要求8所述的多项目式多目标集中采购决策优化系统，其特征在于，所述约束模块中，供应商根据总的采购量提供不同的阶梯价格折扣，且在不断供的条件下，会提供持续价格年降，项目每年的需求量都会发生变化，且由于项目的生命周期，每年都会有新的项目进入与老的项目退出。